以鳶尾花資料為例：

其中包含四個主要的資訊（萼片（sepal）的長寬、花瓣（petal）的長寬）

根據以上資料大致可以分為三個種類，Iris-Setosa、Iris-Versicolour、Iris-Virginica

其資料的結構大致如下：

現有以下資料為例：

此處使用數字0，1，2在機器學習中分別簡化表示三種類型。

上面示例的資料整體叫資料集（data set）,

其中每一行資料都被稱為一個樣本（sample）,

除最後一列，每列表達樣本的一個特徵（feature）（例子中有4個特徵），

最後一列，稱為標記（label）

現將所有的特徵表示為矩陣X，將所有標記表示為向量y

那麼第i個樣本行寫作X⁽ ⁱ⁾（稱作特徵向量，一般為列向量）

現將所有特徵向量轉置即可得到整個資料集

第i個樣本的第j個特徵值寫作X⁽ⁱ⁾ⱼ（i為上標，j為下標），

第i個樣本的標記寫作y⁽ⁱ⁾。

樣本資料的本質就是在所有特徵所組成的一個空間中的點,這個空間稱為特徵空間（feature space）。

分類任務的本質就是在特徵空間中的切分，下圖為兩維的示例，在高維空間同理。

此外，特徵也可以是抽象的，比如MNIST資料集中的手寫數字，其中每個數字影象中的每一個畫素點都是特徵。